User Manual
6-19
u Calcolo del coefficiente di determinazione (r
2
) e MSe
È possibile utilizzare la modalità STAT per calcolare il coefficiente di determinazione (r
2
) per
la regressione quadratica, la regressione cubica e la regressione quartica. Per ogni tipo di
regressione sono disponibili anche i seguenti tipi di calcoli MSe.
• Regressione lineare (
ax + b ) ..........
(
a + bx ) ..........
• Regressione quadratica .................
• Regressione cubica ........................
• Regressione quartica .....................
• Regressione logaritmica .................
• Regressione esponenziale (
a · e
bx
)...
(
a · b
x
)....
• Regressione di potenza ..................
• Regressione sinusoidale ................
• Regressione logistica .....................
u Calcolo valore stimato per grafici di regressione
La modalità STAT include anche una funzione Y-CAL che utilizza la regressione per calcolare
il valore stimato
y per un particolare valore x dopo avere tracciato il grafico di una regressione
statistica a variabile doppia.
Quello che segue è il procedimento generale per l’utilizzo della funzione Y-CAL.
M
Se =
Σ
1
n – 2
i=1
n
(y
i
– (ax
i
+ b))
2
M
Se =
Σ
1
n – 2
i=1
n
(y
i
– (ax
i
+ b))
2
M
Se =
Σ
1
n – 2
i=1
n
(yi – (a + bxi))
2
M
Se =
Σ
1
n – 2
i=1
n
(yi – (a + bxi))
2
M
Se =
Σ
1
n – 3
i=1
n
(y
i
– (ax
i
+ bx
i
+ c))
2
2
M
Se =
Σ
1
n – 3
i=1
n
(y
i
– (ax
i
+ bx
i
+ c))
2
2
M
Se =
Σ
1
n – 4
i=1
n
(y
i
– (ax
i
3
+ bx
i
+ cx
i
+ d ))
2
2
M
Se =
Σ
1
n – 4
i=1
n
(y
i
– (ax
i
3
+ bx
i
+ cx
i
+ d ))
2
2
M
Se =
Σ
1
n – 5
i=1
n
(yi – (axi
4
+ bxi
3
+ cxi
+ dxi
+ e))
2
2
M
Se =
Σ
1
n – 5
i=1
n
(yi – (axi
4
+ bxi
3
+ cxi
+ dxi
+ e))
2
2
M
Se =
Σ
1
n – 2
i=1
n
(y
i
– (a + b ln x
i
))
2
M
Se =
Σ
1
n – 2
i=1
n
(y
i
– (a + b ln x
i
))
2
M
Se =
Σ
1
n – 2
i=1
n
(ln y
i
– (ln a + bx
i
))
2
M
Se =
Σ
1
n – 2
i=1
n
(ln y
i
– (ln a + bx
i
))
2
M
Se =
Σ
1
n – 2
i=1
n
(ln yi – (ln a + (ln b) · xi ))
2
M
Se =
Σ
1
n – 2
i=1
n
(ln yi – (ln a + (ln b) · xi ))
2
M
Se =
Σ
1
n – 2
i=1
n
(ln y
i
– (ln a + b ln x
i
))
2
M
Se =
Σ
1
n – 2
i=1
n
(ln y
i
– (ln a + b ln x
i
))
2
M
Se =
Σ
1
n – 2
i=1
n
(yi – (a sin (bxi + c) + d ))
2
M
Se =
Σ
1
n – 2
i=1
n
(yi – (a sin (bxi + c) + d ))
2
M
Se =
Σ
1
n – 2 1 + ae
–bx
i
C
i=1
n
y
i
–
2
M
Se =
Σ
1
n – 2 1 + ae
–bx
i
C
i=1
n
y
i
–
2